基于判別式分類器的復(fù)雜場(chǎng)景下視頻多目標(biāo)跟蹤研究.pdf

1、近年來(lái)，視頻監(jiān)控在安防領(lǐng)域得到了廣泛的應(yīng)用，特別是在大型活動(dòng)現(xiàn)場(chǎng)、學(xué)校、銀行、商場(chǎng)、機(jī)場(chǎng)、高速公路、地鐵等對(duì)安全要求敏感的場(chǎng)合。視頻監(jiān)控系統(tǒng)一般包括運(yùn)動(dòng)目標(biāo)檢測(cè)，目標(biāo)跟蹤，行為檢測(cè)，異常信息歸檔等模塊。其中，多目標(biāo)跟蹤在很多方面得到了廣泛的應(yīng)用，是近年來(lái)計(jì)算機(jī)視覺、人機(jī)交互系統(tǒng)、模式識(shí)別等領(lǐng)域的熱門研究問(wèn)題。但是，多目標(biāo)跟蹤還存在諸多問(wèn)題有待研究。本文針對(duì)國(guó)內(nèi)外多目標(biāo)跟蹤算法進(jìn)行歸納，分析各自優(yōu)缺點(diǎn)，主要包括目標(biāo)視覺表示模型和多目標(biāo)跟蹤

2、方法研究，并總結(jié)了多目標(biāo)跟蹤算法的難點(diǎn)，最后討論了多目標(biāo)跟蹤算法未來(lái)發(fā)展趨勢(shì)。本論文主要?jiǎng)?chuàng)新工作及研究成果如下：
　　1）本文首先針對(duì)復(fù)雜場(chǎng)景下，如光照變化、方向變化、尺度變化等，單一特征的目標(biāo)視覺表示模型很難準(zhǔn)確描述目標(biāo)圖像，可靠性較差的問(wèn)題，提出了一種基于模糊理論和主成分分析法的多特征融合算法，該算法首先提取目標(biāo)的顏色特征、紋理特征以及梯度特征，接著采用模糊理論對(duì)特征進(jìn)行粗選擇，最后利用PCA算法對(duì)粗選擇后的特征進(jìn)行融合，有效

3、減少算法復(fù)雜度。實(shí)驗(yàn)結(jié)果表明，融合特征能夠較好地適應(yīng)場(chǎng)景的變化，取得更加魯棒的跟蹤結(jié)果。
　　2）融合時(shí)空約束的判別式分類模型理論的建立。針對(duì)現(xiàn)有的基于判別式模型的多目標(biāo)跟蹤算法中判別模型沒(méi)有同時(shí)利用多目標(biāo)間時(shí)空關(guān)系的問(wèn)題，論文根據(jù)同一幀中多個(gè)目標(biāo)間的位置關(guān)系，以及目標(biāo)的運(yùn)動(dòng)關(guān)系，建立了融合時(shí)空約束和結(jié)構(gòu)化SVM的判別式分類模型，最后利用被動(dòng)-主動(dòng)（Passive Aggressive,PA）算法實(shí)現(xiàn)對(duì)判別式分類模型參數(shù)的更新。<

4、br>　　3）基于時(shí)空約束判別式分類模型的多目標(biāo)跟蹤算法?；跁r(shí)空約束判別式分類模型實(shí)現(xiàn)視頻多目標(biāo)的跟蹤，該算法首先提取圖像中每個(gè)目標(biāo)區(qū)域的HOG特征，并結(jié)合結(jié)構(gòu)化支持向量機(jī)分類器進(jìn)行樣本訓(xùn)練，得到每個(gè)目標(biāo)的外觀模型。其次使用最小生成樹模型來(lái)構(gòu)建同一幀中各個(gè)目標(biāo)間的空間約束，基于目標(biāo)的運(yùn)動(dòng)信息建立時(shí)間約束。在跟蹤過(guò)程中，使用結(jié)構(gòu)化SVM框架進(jìn)行參數(shù)的在線學(xué)習(xí)，實(shí)時(shí)地更新各個(gè)目標(biāo)的外觀模型、空間以及時(shí)間約束。該算法充分利用了目標(biāo)時(shí)空關(guān)系，